recommendation sign-aware networks笔记
Programming Abstractions in C阅读笔记：p235-p241
《Programming Abstractions in C》学习第66天，p235-p241总结。 一、技术总结 1.backtracking algorithm(回溯算法) (1)定义 p236, For many real-world problem, the solution process ......
读程序员的README笔记15_敏捷计划
1. 行为准则 2. 敏捷开发 2.1. 软件开发应该有计划和与之相应的跟踪 2.1.1. 你的队友想知道你在做什么，这样他们就能与你有效地配合 2.2. 敏捷开发是一种软件开发模型，被广泛采用于快速交付优质软件的场景 2.3. 要理解敏捷开发实践，你必须要首先理解敏捷哲学 2.4. 敏捷开发诞生于 ......
Docker基础学习笔记
一、Docker： Docker是一个开源的应用容器引擎，可以用于创建、部署和运行应用程序。 二、Docker与传统虚拟机： 1、Docker与传统虚拟化方式的不同之处： （1）、传统虚拟机技术是虚拟出一套硬件后，在其上运行一个完整操作系统，在该系统上再运行所需应用进程； （2）、容器相较于传统虚拟 ......
[学习笔记]珂朵莉树
目录 0x00：介绍 1x00：思想 1x01：节点保存 1x02：核心操作 split 1x03：推平操作 assign 2x00：例题 2x01：CF896C 2x02：CF915E 3x00：总结 0x00 介绍 珂朵莉树（Chtholly Tree），又称 ODT（Old Driver Tr ......
《架构师之路：软件架构之美》阅读笔记三
《架构师之路：软件架构之美》是一本关于软件架构的入门书籍，作者李家智从自己的实践经验出发，结合了业内一些经典的案例和经验，系统地介绍了软件架构的基本概念、原则和方法。 本书主要分为三个部分：第一部分介绍了软件架构的基本概念和原则；第二部分详细介绍了一些常用的软件架构模式，如分层架构、微服务架构等；第 ......
LightGCL Simple Yet Effective Graph Contrastive Learning For Recommendation论文阅读笔记
Abstract 目前的图对比学习方法都存在一些问题，它们要么对用户-项目交互图执行随机增强，要么依赖于基于启发式的增强技术（例如用户聚类）来生成对比视图。这些方法都不能很好的保留内在的语义结构，而且很容易受到噪声扰动的影响。所以我们提出了一个图对比学习范式LightGCL来减轻基于CL的推荐者的通 ......
BIgdataAIML-IBM-A neural networks deep dive - An introduction to neural networks and their programming
https://developer.ibm.com/articles/cc-cognitive-neural-networks-deep-dive/ By M. Tim Jones, Published July 23, 2017 Neural networks have been around f ......
阅读笔记
第四章是需求规格的说明，在这章中作者提出需要用图形和其他形式化模型来说明需求。需求规格说明用客户的叙述性需求作为输入，用构造规格说明模型作为输出，这些模型分为3组，即状态模型，行为模型和状态变化模型。对象的状态由它的属性和关联的取值来决定，状态规格说明提供系统的静态视图，通常情况下得首先识别类，方法 ......
[Vue] vue学习笔记(11): 自定义事件 & 全局事件总线
组件的自定义事件 通过props可以将信息传递给子组件，那么当子组件需要向上传递信息的时候呢, 除了使用props传递函数类的方法，我们还可以用自定义事件 通过父组件给子组件绑定一个事件someEvent // App.vue <Student @someEvent='getStudentName' ......
《需求分析与系统设计》阅读笔记02
第四章是需求规格的说明，在这章中作者提出需要用图形和其他形式化模型来说明需求。需求规格说明用客户的叙述性需求作为输入，用构造规格说明模型作为输出，这些模型分为3组，即状态模型，行为模型和状态变化模型。对象的状态由它的属性和关联的取值来决定，状态规格说明提供系统的静态视图，通常情况下得首先识别类，方法 ......
Relation Networks for Object Detection
Relation Networks for Object Detection * Authors: [[Han Hu]], [[Jiayuan Gu]], [[Zheng Zhang]], [[Jifeng Dai]], [[Yichen Wei]] DOI: 10.1109/CVPR.2018.0 ......
Local Relation Networks for Image Recognition： LRNet
Local Relation Networks for Image Recognition * Authors: [[Han Hu]], [[Zheng Zhang]], [[Zhenda Xie]], [[Stephen Lin]] DOI: 10.1109/ICCV.2019.00356 @in ......
Dual Attention Network for Scene Segmentation：双线并行的注意力
Dual Attention Network for Scene Segmentation * Authors: [[Jun Fu]], [[Jing Liu]], [[Haijie Tian]], [[Yong Li]], [[Yongjun Bao]], [[Zhiwei Fang]], [[H ......
Squeeze-and-Excitation Networks：SENet，早期cv中粗糙的注意力
Squeeze-and-Excitation Networks * Authors: [[Jie Hu]], [[Li Shen]], [[Samuel Albanie]], [[Gang Sun]], [[Enhua Wu]] Local library 初读印象 comment:: (SENet ......
Fully convolutional networks for semantic segmentation
Fully convolutional networks for semantic segmentation * Authors: [[Jonathan Long]], [[Evan Shelhamer]], [[Trevor Darrell]] DOI: 10.1109/CVPR.2015.729 ......
U-Net: Convolutional Networks for Biomedical Image Segmentation
U-Net: Convolutional Networks for Biomedical Image Segmentation * Authors: [[Olaf Ronneberger]], [[Philipp Fischer]], [[Thomas Brox]] Local library 初读 ......
Non-local Neural Networks 第一次将自注意力用于cv
Non-local Neural Networks * Authors: [[Xiaolong Wang]], [[Ross Girshick]], [[Abhinav Gupta]], [[Kaiming He]] Local library 初读印象 comment:: (NonLocal)过去 ......
RefineNet: Multi-path Refinement Networks for High-Resolution Semantic Segmentation
RefineNet: Multi-path Refinement Networks for High-Resolution Semantic Segmentation * Authors: [[Guosheng Lin]], [[Anton Milan]], [[Chunhua Shen]], [[ ......
Expectation-Maximization Attention Networks for Semantic Segmentation 使用了EM算法的注意力
Expectation-Maximization Attention Networks for Semantic Segmentation * Authors: [[Xia Li]], [[Zhisheng Zhong]], [[Jianlong Wu]], [[Yibo Yang]], [[Zho ......
Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network
Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network * Authors: [[Wenzhe Shi]], [[Jose Caballer ......
Pyramid Scene Parsing Network
Pyramid Scene Parsing Network * Authors: [[Hengshuang Zhao]], [[Jianping Shi]], [[Xiaojuan Qi]], [[Xiaogang Wang]], [[Jiaya Jia]] DOI: 10.1109/CVPR.20 ......
Asymmetric Non-Local Neural Networks for Semantic Segmentation 非对称注意力
Asymmetric Non-Local Neural Networks for Semantic Segmentation * Authors: [[Zhen Zhu]], [[Mengdu Xu]], [[Song Bai]], [[Tengteng Huang]], [[Xiang Bai]] ......
PIDNet: A Real-time Semantic Segmentation Network Inspired by PID Controllers
PIDNet: A Real-time Semantic Segmentation Network Inspired by PID Controllers * Authors: [[Jiacong Xu]], [[Zixiang Xiong]], [[Shankar P. Bhattacharyya ......
PSANet: Point-wise Spatial Attention Network for Scene Parsing双向注意力
PSANet: Point-wise Spatial Attention Network for Scene Parsing * Authors: [[Hengshuang Zhao]], [[Yi Zhang]], [[Shu Liu]], [[Jianping Shi]], [[Chen Cha ......
《程序员修炼之道：从小工到专家》阅读笔记（7）
《程序员修炼之道：从小工到专家》阅读笔记（7） 阅读《程序员修炼之道：从小工到专家》第七章后，我深感编程不仅是一门技术，更是一种艺术。这一章主要讲述了如何使代码保持灵活、易于改编和复用，以及如何使代码易于理解，从而延长其生命力。 首先，代码的灵活性是至关重要的。随着技术的不断进步和需求的变化，代码也 ......
《程序员修炼之道：从小工到专家》阅读笔记（8）
《程序员修炼之道:从小工到专家》第八章读后感 阅读完《程序员修炼之道:从小工到专家》第八章后，我深感其中的内容对于一个想要成为优秀程序员的人来说是至关重要的。这一章主要讨论了如何使代码保持灵活、易于改编和复用，以及如何使代码易于理解，从而使其生命力更久。 首先，第八章强调了代码灵活性的重要性。通过采 ......
Object Tracking Network Based on Deformable Attention Mechanism
Object Tracking Network Based on Deformable Attention Mechanism Local library 初读印象 comment:: （DeTrack）采用基于可变形注意力机制的编码器模块和基于自注意力机制的编码器模块相结合的方式进行特征交互。基于 ......
Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images
Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images * Authors: [[Bowei Du]], [[Yecheng ......
A Deformable Attention Network for High-Resolution Remote Sensing Images Semantic Segmentation可变形注意力
A Deformable Attention Network for High-Resolution Remote Sensing Images Semantic Segmentation * Authors: [[Renxiang Zuo]], [[Guangyun Zhang]], [[Rong ......